Outline
为什么会有命名空间?
XML的元素名字是不固定的,当两个不同的文档,使用同样的名称描述两个不同类型的元素的时候,或者一个同样的标记表示两个不同含义的内容的时候,就会发生命名冲突。
这时,命名空间是可以解决这个问题的;
命名空间(Namespace),对于每一套特定应用的DTD,给它一个独一无二的标志来代表,如果在XML中使用DTD中定义的元素,需将 DTD的标志和元素名,属性连在一起使用,相当于指明了元素来自什么地方,这样就不会同其他同名元素混淆了。
命名空间允许我们在一个文档中结合不同的元素和属性定义,并指明这些元素和属性的定义来自那里。
命名空间语法结构:
xmlns:[prefix]=”[url of name]” 其中“xmlns:”是必须的属性。“prefix”是命名空间的别名,它的值不能为xml。 <sample xmlns:ins=”http://www.lsmx.net.ac”> <ins:batch-list> <ins:batch>Evening Batch</ins:batch> </ins:batch-list> </sample>
遇到的问题
在用ElementTree解析xml时,一直很顺利,都能解析成功;但突然出现解析不出xml情况,文本编辑器打开xml文档发现里面是有内容的;
仔细观察了下发现根标签中有一个 xmlns 属性,查了下原来是 命名空间, xml中有命名空间的情况下,获取子标签内容的话,就需要通过命名空间去唯一标识这个标签。
现在知道xml文件中的xmlns了,剩下就是结合xmlns解析数据了;
debug观察标签情况
简单debug下,看下包含xmlns的标签是什么样子的;
发现包含命名空间的xml,解析时(或者去定位标签时)标签的构成是:命名空间+标签名
解析数据
通过上面操作已经知道当前xml文本的xmlns是什么了,所以就直接给标签拼接上xmlns,这样获取的内容就都是该命名空间下的内容了。
import xml.etree.ElementTree as ET path = 'C:data美股数据GenInfo03_NA_i_20200609_1of1.xmlGenInfo_00B6F.xml' tree = ET.parse(path) # for i in tree.iter(): # print(i.tag) root = tree.getroot() namespace = '{urn:reuterscompanycontent:generalinformation03}' iter_root = root.iter(namespace + 'GeneralInformation') # 直接给标签拼接上xmlns ret = [] def get_xml_content(iter_root): """递归获取xml标签内容""" for node in iter_root: dic = node.attrib text = node.text if len(dic) == 0 and text == ' ': pass else: dic['text'] = text t = node.tag.split('}')[-1] ret.append({t: dic}) get_xml_content(node) get_xml_content(iter_root)